[发明专利]一种车联网中的智能边缘计算方法

说明书

本发明属于车辆交通技术领域，提供了一种车联网中的智能边缘计算方法，构建具有计算和缓存能力的层次化VEC系统服务框架，联合考虑车辆—服务器计算卸载策略、服务器—服务器任务卸载策略和服务器—车辆任务下载策略建立系统时延最小化目标函数；寻找优化函数上确界并分解成路边节点—路边节点部分以及车辆—路边节点部分；求解两部分并获得目标函数最优解；最后，根据最优解由系统控制中心向车辆和路边节点发送信号，进行计算卸载和内容下载。本发明的方法在复杂车流状况下最小化车辆应用的执行时间，考虑到实际情境中用户数据隐私性，本发明采用在线的方式实时处理用户请求，更加适用于车联网中的高动态的拓扑变化和实时性的资源分配。

技术领域

本发明属于车辆交通技术领域，具体涉及一种车联网中的智能边缘计算系统，尤其涉及到一种在路口车流分布不均匀情景下服务商对于车辆请求资源的智能调度系统。

背景技术

随着5G时代的到来，智能汽车成为智能城市建设的重要一环，基于智能车辆的移动应用为驾驶员和乘客提供多种服务以提升驾驶和乘坐体验。研究人员提出以路边节点为载体的车辆边缘计算(Vehicular Edge Computing，VEC)技术来减轻网络传输压力并降低服务时延。由于车辆数目的迅速增长以及城市中车流的不均匀分布，一些路边节点任务负载过高导致服务质量下降。车辆的移动性和车辆应用请求的多样性也促使服务商需要合理的资源调度方案来降低服务时延。现有的研究通常需要收集大量的离线信息进行训练得到分配方案，并且没有考虑路边节点之间的负载均衡，难以保证高负载的路边节点服务质量。因此，需要研究人员提出结合车辆状态和任务动态信息的实用性高，时变性强的在线资源分配框架，能够降低服务时延，从而为用户提供更优质的服务体验。

发明内容

本发明的目的是针对现有研究实时处理能力差，智能化不足的缺点，结合VEC技术和人工智能算法，提出一种车联网中的智能边缘计算系统。本发明基于5G无线通讯技术，构建具有计算和缓存能力的层次化VEC框架，系统综合考虑车辆到路边节点(Road SideUnits，RSU)计算任务卸载，RSU间计算任务卸载以及RSU内容缓存。基于层次化的VEC框架，系统采用实时信息来进行任务分配和资源调度的在线算法，它极大的缩减了车辆任务的执行时延。本发明使用李雅普诺夫优化理论和人工智能算法相结合构建一种车联网中的智能边缘计算系统，实用、高效地解决车联网中任务分配和资源调度问题，从而降低车辆应用的执行时延，为用户提供更高质量的服务体验，为车联网的发展和人工智能的实际应用提供了一个良好的范例。

本发明的技术方案：

一种车联网中的智能边缘计算方法，步骤如下：

步骤1：构建具有计算和缓存能力的层次化VEC系统服务框架，框架包含移动车辆、装备有智能边缘服务器的多个路边节点以及一个远程控制中心；框架中，车辆应用包括计算任务(可以由车辆计算或卸载到路边节点进行计算)和下载任务(车辆从路边节点或云服务器下载)，当两种任务都完成时，车辆成功执行应用；系统执行车辆应用的总体时间包括计算任务传输时间、RSU间卸载等待时间、任务计算时间以及任务下载时间；在时刻t时，RSUm的计算任务传输时间为：

其中，i为车辆，m_i为RSU m覆盖区域内车辆的集合，为车辆i在t时刻产生的任务数量，s为任务的大小，为车辆i和路边节点m之间在t时刻的传输速率；

在设计框架中，路边节点之间通过局域网相连接，在时刻t路边节点间卸载等待时间为：

其中，τ为在局域网中无延迟的发送和接受一个单位的计算任务的期望时间，λ^t为t时刻局域网中全部任务量，即全部路边节点上传的卸载任务数量，具体计算公式为：

其中，表示从路标节点i发送到路边节点j的任务数量，N为路边节点的集合；